머신러닝 regression 등 - 4월 12일

4장 32수학의 기초 - 함수 2_

1. 자연상수 e
   (1) (1 + 1/x) ** x = e
   (2) 2.7182818로 수렴한다

2. 시그모이드 그래프
   (1) 발악을 해도 1과 0을 넘지 않는다.

5장 38_Basic of Regression - OLS 실습

1. formula
   formula = "y ~ x"
   -> y = ax + b

2. 잔차 평가 residue
   (1) 잔차는 평균이 0인 정규분포를 따르는 것이어야 함
   (2) 잔차 평가는 잔차의 평균이 0이고 정규분포를 따르는지 확인

3. 결정계수 R-Squared
   (1) y_hat은 예측된 값
   (2) 예측 값과 실제 값(y)이 일치하면 결정계수는 1이 됨(즉, 결정계수가 높을수록 좋은 모델)

5장 39통계적 회귀_

1. lm.summary( ) 수치 의미
   (1) R-squared : 모형 적합도, y의 분산을 각각의 변수들이 약 99.8%로 설명할 수 있음
   (2) Adj. R-squared : 독립변수가 여러 개인 다중회귀분석에서 사용
   (3) Prob (F-statistic) : 회귀모형에 대한 통계적 유의미성 검정. 이 값이 0.05 이하라면 모집단에서도 의미가 있다고 볼 수 있음.

6장 48앙상블 기법 - 앙상블 기법_

1. 앙상블 학습을 통한 분류
   여러 개의 분류기를 생성하고 그 예측을 결합하여 정확한 최종 예측을 기대하는 기법

2. 앙상블 학습의 목표
   다양한 분류기의 예측 결과를 결합함으로써 단일 분류기보다 신뢰성이 높은 예측 값을 얻는 것